Diagnóstico inteligente temprano de deformidad de las extremidades en niños por IA y aplicación clínica
19 de febrero de 2025 actualizado por: Children's Hospital of Fudan University
Los estudios de diagnóstico inteligente temprano de deformidad de las extremidades en niños por IA y aplicación clínica
La deformidad de la extremidad en los niños incluye malformaciones congénitas de las extremidades o adquiridas por el daño de la placa epifisaria que causó el tumor, la inflamación y el trauma.
Debido a la complejidad de la enfermedad en sí, el desarrollo dinámico rápido y las características del crecimiento y el desarrollo de los niños, las deformidades cambian constantemente.
Además, la grave falta de diagnóstico clínico y recursos de tratamiento en el Departamento de Ortopedia Pediátrica ha llevado al diagnóstico erróneo y al tratamiento inadecuado de las deformidades de las extremidades de los niños.
Por lo tanto, es necesario encontrar una forma inteligente de ayudar al médico a diagnóstico temprano de deformidad de las extremidades y proporcionar un tratamiento adecuado en los niños.
Descripción general del estudio
Estado
Aún no reclutando
Condiciones
Intervención / Tratamiento
Descripción detallada
La extracción y aplicación de big data de las deformidades de las extremidades de los niños, el etiquetado inteligente de los datos de la imagen, el posicionamiento preciso y la perfección de los datos anatómicos de las deformidades de las extremidades de los niños. supervisión paso a paso Para mejorar la precisión del diagnóstico. Realice un sistema de generación de informes inteligente que combine información de antecedentes del paciente, establezca un extremo a extremo Diagnóstico auxiliar y sistema de aplicación de demostración de sugerencia de tratamiento; Realice un conjunto completo de soluciones de inteligencia artificial para las deformidades esqueléticas de los niños, la detección temprana y el diagnóstico de niños, y formando un sistema de referencia inteligente de deformidades de las extremidades de los niños.
Tipo de estudio
De observación
Inscripción (Estimado)
9000
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Estudio Contacto
- Nombre: Bo Ning, PhD
- Número de teléfono: +86 13585700275
- Correo electrónico: ningbo@fudan.edu.cn
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
No mayor que 18 años (Niño, Adulto)
Acepta Voluntarios Saludables
No
Método de muestreo
Muestra no probabilística
Población de estudio
Niños con deformidad de las extremidades
Descripción
Criterios de inclusión:
Niños con deformidad de las extremidades
Criterios de exclusión:
Niños sin deformidad de las extremidades
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Deformidad de la extremidad Niños
La imagen del diagnóstico de deformidad de las extremidades por IA
|
Es un estudio observacional.
Sin intervenciones.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Detección de deformidad
Periodo de tiempo: En la inscripción
|
Es una variable binaria (1/0).
Las características radiográficas de los niños serían evaluadas por inteligencia artificial.
Si se detectara la deformidad, la variable se establecería en 1.
|
En la inscripción
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Investigador principal: Bo Ning, PhD, Children's Hospital of Fudan University
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- Jamaludin A, Lootus M, Kadir T, Zisserman A, Urban J, Battie MC, Fairbank J, McCall I; Genodisc Consortium. ISSLS PRIZE IN BIOENGINEERING SCIENCE 2017: Automation of reading of radiological features from magnetic resonance images (MRIs) of the lumbar spine without human intervention is comparable with an expert radiologist. Eur Spine J. 2017 May;26(5):1374-1383. doi: 10.1007/s00586-017-4956-3. Epub 2017 Feb 6.
- Mirskaia NB, Kolomenskaia AN, Siniakina AD. [Prevalence and medical and social importance of disorders and diseases of the musculoskeletal systems in children and adolescents (review of literature)]. Gig Sanit. 2015 Jan-Feb;94(1):97-104. Russian.
- Theofilatos K, Pavlopoulou N, Papasavvas C, Likothanassis S, Dimitrakopoulos C, Georgopoulos E, Moschopoulos C, Mavroudi S. Predicting protein complexes from weighted protein-protein interaction graphs with a novel unsupervised methodology: Evolutionary enhanced Markov clustering. Artif Intell Med. 2015 Mar;63(3):181-9. doi: 10.1016/j.artmed.2014.12.012. Epub 2015 Feb 18.
- Silverman BG, Hanrahan N, Bharathy G, Gordon K, Johnson D. A systems approach to healthcare: agent-based modeling, community mental health, and population well-being. Artif Intell Med. 2015 Feb;63(2):61-71. doi: 10.1016/j.artmed.2014.08.006. Epub 2014 Sep 11.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Rahmathulla G, Nottmeier EW, Pirris SM, Deen HG, Pichelmann MA. Intraoperative image-guided spinal navigation: technical pitfalls and their avoidance. Neurosurg Focus. 2014 Mar;36(3):E3. doi: 10.3171/2014.1.FOCUS13516.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Estimado)
1 de marzo de 2025
Finalización primaria (Estimado)
1 de septiembre de 2026
Finalización del estudio (Estimado)
1 de diciembre de 2027
Fechas de registro del estudio
Enviado por primera vez
22 de agosto de 2020
Primero enviado que cumplió con los criterios de control de calidad
22 de agosto de 2020
Publicado por primera vez (Actual)
26 de agosto de 2020
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
25 de marzo de 2025
Última actualización enviada que cumplió con los criterios de control de calidad
19 de febrero de 2025
Última verificación
1 de febrero de 2025
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- ningbo1528
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .